The impacts of Information and Communication Technologies on the students' performance
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Munich Personal RePEc Archive The impacts of Information and Communication Technologies on the students’ performance Dahmani, Mounir and Ragni, Ludovic Institut Supérieur d’Administration des Entreprises de Gafsa (ISAEG), Université Côte d’Azur, GREDEG-CNRS, 2008 Online at https://mpra.ub.uni-muenchen.de/112238/ MPRA Paper No. 112238, posted 08 Mar 2022 12:25 UTC
Dahmani, M. & Ragni, L. (2009). L’impact des technologies de l’information et de la communication sur
les performances des étudiants. Réseaux, 155(3): 81-110.
L’impact des technologies de l’information et de la communication sur
les performances des étudiants
[ The impacts of Information and Communication Technologies on the
students’ performance ]
Mounir Dahmani
University of Paris-Sud 11, France
Ludovic Ragni
University of Nice Sophia Antipolis, France
Abstract: Most research on the influence of ICT on students’ results and future
professional insertion is carried out in the field of educational science. The authors of
this article consider, however, that the educational science approach is too limited, and
add an economic dimension to it. Their case study of a group of economics students
encompasses the academic environment, the socio-economic context, and students’
personal characteristics. One of their conclusions is the necessity to rethink evaluation
models and the force of complementarity between traditional teaching and technology
mediated teaching - assuming that the teachers’ engagement is equal.
Keywords: ICT, students, learning approaches, academic performance, digital uses.
Résumé : La plupart des recherches relatives à l’influence des TIC sur les performances
des étudiants et leur future insertion professionnelle sont menées dans le domaine des
sciences de l’éducation. Considérant cette approche comme trop limitée, les auteurs de
cet article ajoutent une dimension économique à leur recherche, s’efforçant de croiser
l’environnement universitaire, le cadre socio-économique et les caractéristiques
personnelles, à partir d’un ensemble d’étudiants en sciences économiques. Ils
concluent, entre autres points, sur la nécessité de repenser les modèles d’évaluation et
la force d’une complémentarité entre les enseignements traditionnels et ceux qui
passent par une médiation technique, pour peu que l’engagement des enseignants soit
égal.
Mots-clés : TIC, étudiants, manières d’étudier, performances universitaires, usages
numériques.1. Introduction
De nombreuses analyses et de nombreux modèles s’intéressent aujourd’hui à l’impact
des Technologies de l’Information et de la Communication (TIC) sur les performances
des étudiants. Ces travaux s’inscrivent généralement dans la continuité des recherches
menées traditionnellement en sciences de l’éducation pour comprendre quels sont les
facteurs économiques, sociaux, éducatifs et pédagogiques qui expliquent le mieux les
raisons pour lesquelles les étudiants obtiennent de bons résultats à leurs examens ou
pourquoi leur insertion professionnelle se révèle plus ou moins aisée. Relativement à
ce champ de réflexion, l’objet de cet article est double.
Il s’agira dans un premier temps, de proposer une analyse des principaux résultats mis
en évidence dans la littérature économique, ou par celle propre aux sciences de
l’éducation, afin d’expliquer l’impact des TIC sur les performances des étudiants. À
cet égard nous soulignerons également quelles sont les limites méthodologiques
auxquelles se heurtent les approches proposées.
Au cours d’une seconde étape, nous nous attacherons de manière complémentaire à
évaluer l’influence des TIC sur les performances des étudiants à partir d’un modèle
économétrique recourant à une analyse menée en termes de régression linéaire. Plus
spécifiquement, notre démarche aura pour but de mesurer les effets des divers usages
induits par les TIC sur les performances des étudiants, en fonction de leur
environnement universitaire et de leur environnement socio-économique ou de leurs
caractéristiques personnelles ?1 L’étude proposée a été effectuée sur une population
d’étudiants.
2. L’évaluation de l’impact des TIC sur les performances des
étudiants : une revue de la littérature
Deux grandes familles de travaux s’attachent à rendre compte des effets induits par
les TIC sur la réussite universitaire ou professionnelle des étudiants.
La première concerne « l’économie de la science », elle met l’accent sur le rôle des
universités dans la production des innovations dans les domaines de la recherche et
du développement lorsque ces institutions facilitent l’usage des TIC ou qu’elles
contribuent au développement de leurs contenus. Cette approche relève
méthodologiquement de la macroéconomie. Elle adopte une démarche dont la finalité
1 L’étude proposée a été effectuée sur une population d’étudiants en sciences économiques de
l’Université de Paris-Sud XI, dans le cadre du projet de recherche européen mené par le consortium
eLlene-ee. Celui-ci regroupe les universités d’Umea, de Nancy 2, de Nice Sophia-Antipolis, de Paris
Sud, UOC (Universitad Oberta, de Catalunya), MTID Milano, Marie Curie Sklodowska University
(Polish Virtual University) et le consortium Canege. Ce projet est financé par la Commission
Européenne comme réponse à appel d’offre (EAC/23/05 SE 001).
2est de mesurer l’influence des activités de Recherche et de Développement sur la
croissance en intégrant un facteur de capital humain. Ces travaux, lorsqu’ils
concernent la diffusion et l’usage des TIC par les universités, tendent à montrer que
l’atteinte d’un haut niveau d’éducation induit une série d’externalités positives
diffusées à la plupart des secteurs de l’économie par l’activation de mécanismes
sociaux (McMahon 2000 ; Acemoglu et Anrist, 2000 ; Davies ; 2002). Deux raisons
principales permettent d’expliquer ces effets externes positifs. D’une part, les modèles
montrent qu’un haut niveau de compétences pour le capital humain permet à celui-ci
de suivre de manière plus optimale l’évolution du taux de changement technologique
et de le renforcer en retour. D’autre part, les modèles montrent qu’il existe un lien
indirect positif entre un niveau d’éducation élevé et un niveau de productivité des
Knowledge Workers également élevé (De la Fuente et Ciccone, 2002). En d’autres termes,
selon ces auteurs, les TIC favoriseraient l’e-learning et l’e-learning contribuerait à
faciliter l’acquisition des compétences numériques par les étudiants qu’ils peuvent
ensuite utiliser dans leur profession. De manière complémentaire, les TIC
permettraient à ces mêmes travailleurs de s’adapter plus rapidement et plus
facilement, au cours de leur carrière, au taux d’évolution technologique et au taux
d’évolution des technologies numériques, renforçant en cela la productivité.
Une seconde famille de travaux, qui nous intéresse plus particulièrement ici,
s’intéresse à l’évaluation de l’impact des connaissances et des compétences qui
résultent de l’usage des TIC, dans les universités, sur la formation des Knowledge
Workers. Les études concernées sont de nature microéconomique. Elles ont pour objet
de circonscrire les conditions favorables à la diffusion des connaissances lorsqu’elles
résultent de l’utilisation des TIC. Elles portent plus spécifiquement sur l’analyse du
processus d’accumulation des performances des étudiants, dès lors que ce processus
dépend fortement d’une interface nécessitant de recourir aux TIC ou d’en acquérir les
usages. Dans ce cadre, l’évaluation de l’impact des TIC sur les connaissances et les
compétences (e-skills) des étudiants passe soit par l’évaluation de leur réussite aux
examens, soit par celle de leur capacité à obtenir un emploi satisfaisant et
suffisamment rémunéré dans un délai idoine. Les compétences relatives à l’usage des
TIC ?2 Pour un panorama des processus et infrastructures mis en place… sont donc
supposées être complémentaires de celles propres aux champs disciplinaires auxquels
les diplômes concernés sont rattachés.
Pour la plupart, les travaux relatifs à cette hypothèse de recherche reposent sur une
fonction de production éducationnelle incorporant, dans sa structure, des inputs
comme : les caractéristiques des enseignants, les modalités pédagogiques que ceux-ci
ont été amenés à développer, les ressources financières et physiques engagées par les
universités, les formes d’organisation de la pédagogie, le taux d’encadrement des
2Pour un panorama des processus et infrastructures mis en place par les universités en France on peut
consulter par exemple G. Fournier (2007) ; http:// 2007. jres. org/ planning/ . À consulter également le
portail : www. internet. gouv. fr/ information/ information/ dossiers/ education.
3étudiants, le nombre d’étudiants par classe… Il s’agit, pour l’essentiel, de modèles à
valeur ajoutée dont quatre grandes classes peuvent être repérées et dont nous
proposons de rendre compte (Krueger, 1999 ; Hanushek, 2003 ; Jaag, 2006 ; Martin et
Walker, 2006 ; Urquiola, 2006). Quatre facteurs principaux, influençant les
performances des étudiants, caractérisent ces modèles.
– Il s’agit premièrement des dotations budgétaires sont consacrées par les
universités à l’acquisition des TIC en général. L’évaluation du rôle que tiennent
ces dotations est indirecte, au sens où il s’agit d’apprécier une série de
paramètres dont le but est d’expliquer les performances obtenues par les
étudiants à leurs examens sans évaluer de manière directe les usages que ces
mêmes étudiants font des TIC ou des TIC éducationnelles. Les paramètres
appréciés sont ceux qui sont traditionnellement retenus par les sciences de
l’éducation. On peut citer à titre d’exemple la taille des classes ou le taux
d’encadrement. Cette approche consiste plus spécifiquement à mesurer si les
investissements en TIC, indépendamment de leurs usages, permettent ou non
de modifier les performances des étudiants.
– Ensuite, il existe des facteurs relatifs au profil des étudiants. Ces profils sont
établis en fonction de leurs caractéristiques socio-économiques, de leurs milieux
sociaux, de leur type de baccalauréat ou de diplôme de fin d’études secondaires,
du niveau de leurs ressources propres, de celui de leurs motivations, du type
d’études qu’ils poursuivent et, plus simplement, de leur âge ou de leur sexe…
– Troisièmement, d’autres études tiennent compte des caractéristiques des
enseignants. Celles-ci sont appréhendées à partir de leurs formations initiales,
de leur motivation à recourir aux TIC comme support de leurs enseignements,
de la manière dont ils les perçoivent, ou encore de la valeur ajoutée
pédagogique qu’elles leur permettent d’induire.
– Quatrièmement, un dernier groupe de travaux cherche à évaluer les formes
d’organisation mises en place par les universités pour permettre à leurs
étudiants de recourir de manière satisfaisante aux TIC. Selon cette thématique,
divers paramètres ont été évalués, dès lors qu’ils seraient complémentaires à
une introduction efficace des TIC. Il s’agit principalement des nouvelles formes
d’apprentissage comme le tutorat en ligne, des méthodes d’enseignement, des
aides pédagogiques apportées aux apprenants, ou encore de la mise en place de
formations spécifiques ayant pour finalité l’acquisition de compétences en TIC.
Nous tenterons d’évaluer tout à tour les principaux résultats mis en évidence à partir
de ces quatre types de modèles.
1.1. L’évaluation indirecte de l’impact des dotations budgétaires
consacrées aux TIC sur les performances des étudiants
La plupart des travaux concernés prennent faiblement en considération le rôle
structurant des TIC et de leur impact sur les processus d’apprentissage. En effet, ces
4études considèrent les TIC comme un stock de capital et cherchent à vérifier
l’hypothèse selon laquelle il existerait une corrélation positive entre une quantité de
capital TIC, forte ou faible, et des performances estudiantines elles-mêmes fortes ou
faibles. Pour l’exprimer autrement, un stock important de capital TIC induirait de
manière quasi automatique de bonnes performances de la part des étudiants lorsqu’il
s’agit pour eux de réussir à leurs examens (Woessman, 2003). Pour apprécier
l’influence propre des TIC, les modèles évaluent simultanément celle d’autres
paramètres éducationnels a priori indépendants des TIC.
Ainsi, nombre de ces modèles visent, à partir d’une fonction de production
éducationnelle, à mesurer l’influence d’une série d’inputs caractérisant les modalités
pédagogiques (nombre d’enseignants, équipements, profil des étudiants, mode
d’organisation et de gouvernance des institutions, qualités des locaux, etc.) sur les
performances de ces mêmes étudiants. Parmi ces travaux, ceux proposés par Angrist
et Lavy (1999, 2002), Krueger (2003), Levacic et Vignoles (2002), Martins et Walker
(2006), Woesmann (2003, 2005a), et Urquiola (2006) mettent en évidence l’existence
d’une corrélation positive entre la petite taille des effectifs et les bonnes performances
obtenues par les étudiants. Toutefois, la prise en compte d’un effet de taille maximale
des effectifs sur la performance des étudiants ne fait pas l’objet d’un consensus. Ces
mêmes études entrent en contradiction avec les résultats mis en évidence par
Hanushek (1986, 1996, 2003, 2006), par Hoxby (2000) et par Banerjee et al. (2005) qui
indiquent que, pour les États-Unis et l’Inde, on ne peut pas conclure de façon
systématique que la réduction des effectifs par classe induit une augmentation des
performances des étudiants.
Une variable comme le taux d’encadrement fait également l’objet d’une controverse
en ce qui concerne les performances obtenues par les étudiants. Certaines études
concluent que des performances relativement élevées adviennent même lorsque le
taux d’encadrement est faible. Ainsi, Raudenbush et Willms (1995) ont pu mettre en
évidence, à partir d’une enquête réalisée auprès de 148 institutions universitaires en
Angleterre que, lorsqu’on diminue le ratio d’encadrement de 25 à 16, on observe une
augmentation des performances des étudiants. A contrario, les études réalisées sur la
période 1992-1996 par Brandley et Taylors (1998), Feinstein et Symons (1999) ou
Dearden et al. (2002), également en Angleterre, montrent que le nombre d’enseignants
est sans influence sur les performances des étudiants. Ces mêmes auteurs obtiennent
cependant des résultats différents sur la période 1992-1998, pour laquelle ils
enregistrent un impact positif faible mais statistiquement significatif, selon lequel une
augmentation du taux d’encadrement favorise les performances des étudiants à leurs
examens. En revanche, Dustmann (2003) et Jaag (2006) concluent de manière très nette
que les performances des étudiants sont d’autant plus élevées que la taille des classes
est faible.
Si l’on considère les TIC comme un input éducationnel, évalué à partir du budget qui
leur est consacré par les universités, et que l’on s’intéresse aux facteurs
5traditionnellement retenus par les sciences de l’éducation pour mesurer les
performances des étudiants, on s’aperçoit qu’il n’apparaît pas véritablement de
différence, en ce qui concerne le degré de performance des étudiants, avant et après
l’introduction des TIC sinon une faible amélioration dans certains cas (Brown et
Liedholm, 2002 ; Coates et al., 2004). En d’autres termes, l’augmentation des dépenses
consacrées aux TIC n’a pas permis de mettre en évidence une augmentation des
performances des étudiants dont les raisons seraient parfaitement circonscrites. De
nombreux facteurs complémentaires à l’introduction des TIC sont nécessaires pour
que celles-ci induisent une amélioration des performances des étudiants. On peut citer
à titre d’exemple les modes de management des universités, l’existence ou non de
formations pour les enseignants et les étudiants à ces nouvelles technologies, ou encore
la manière dont sont gérés les changements organisationnels nécessaires aux nouvelles
pratiques d’enseignements basées sur les TIC (OCDE, 2005 ; Ben Youssef et Ragni,
2008).
1.2. L’impact des caractéristiques socio-économiques des étudiants
Un second groupe de travaux s’attache à évaluer l’impact des caractéristiques socio-
économiques des étudiants sur leurs performances aux examens. Il est notamment
tenu compte de leur milieu social d’origine, de leur profil défini à partir du type
d’études qu’ils poursuivent et de leur degré de motivation. Les effets dus aux
inégalités sociales initiales seraient accentués après l’introduction des TIC
éducationnelles du moins pour un temps. Les TIC induiraient un impact positif plus
important sur les étudiants des milieux plus aisés leur permettant d’obtenir de
meilleures performances, alors que cet impact serait plus faible ou négatif sur les
étudiants issus de milieux moins aisés. Globalement, on observerait une accentuation
du différentiel de performance entre les étudiants appartenant à des catégories
socioprofessionnelles aisées et ceux appartenant à des catégories plus pauvres.
- Concernant le milieu social d’origine des étudiants, les travaux (Haveman et Wolfe,
1995 ; Shields et Behrman, 2000 ; Swain et Pearson, 2003 ; Woesmann, 2005b ; Validez
et Duran, 2007) attestent que les étudiants provenant d’un milieu socio-économique
défavorisé obtiennent de moins bonnes performances universitaires que les étudiants
appartenant à des milieux aisés.
Ces travaux soulignent également que les différences de performance observées
trouvent leur origine dans les différences structurelles entre les régions où les
étudiants suivent leurs études. Ces différences concernent notamment les
infrastructures de loisir, les types d’institution chargées de l’enseignement et les
caractéristiques socio-familiales des apprenants. L’accès aux TIC est de la sorte biaisé
entre étudiants riches et plus modestes d’une part, et entre étudiants qui réalisent leurs
études dans une région riche et/ou bien équipée en TIC et ceux qui les réalisent dans
une région plus pauvre et/ou moins bien équipée d’autre part. Une dotation élevée de
la région en TIC facilite les apprentissages par l’usage des étudiants et l’acquisition de
6compétences nouvelles hors université, ce qui induit un effet positif sur les
performances obtenues aux examens. Cet effet positif apparaît y compris pour des
étudiants d’origine pauvre, avec une efficacité moindre que ceux d’origine riche mais
néanmoins significative, à partir du moment où ils résident dans une région bien
équipée en TIC, hors de leur campus. Les compétences qui résultent des usages
généraux des TIC et qui sont acquises à l’extérieur des universités favorisent la réussite
aux examens.
De manière complémentaire, Pozo et Stull (2006) mettent en évidence que ce sont les
dispositifs initiaux mis en place pour structurer et organiser les établissements
d’enseignement secondaire, et notamment les moyens alloués à l’enseignement des
mathématiques, qui constituent les facteurs prépondérants de la réussite des étudiants.
- Concernant les facteurs relatifs aux profils des étudiants, comme le type d’étude
qu’ils poursuivent ou leur degré de motivation, une série de résultats contradictoires
(Lundberg et al., 2008) est mise en évidence.
D’une part, une étude comme celle de Brown et Lieholm (2000) montre qu’aux États-
Unis, sur 710 étudiants inscrits en cours de microéconomie, ceux qui ont suivi leurs
enseignements en mode face-to-face obtiennent de meilleurs résultats que ceux qui
recourent à des enseignements en ligne. Cette étude souffre cependant du fait qu’il a
été difficile pour les auteurs de contrôler certaines variables dépendantes comme le
niveau des prérequis en mathématiques et le niveau des diplômes obtenus auparavant,
ou encore le niveau de motivation affiché par les diverses catégories d’étudiants.
D’autre part, une étude comme celle de Sosin et al. (2004), portant sur 3986 étudiants
ayant suivi un cours d’introduction à l’économie, montre des résultats contraires à la
précédente. Elle indique en effet que l’usage d’outils numériques combiné avec des
méthodes d’enseignement appropriées permet aux étudiants d’obtenir de meilleures
performances à leurs examens de manière statistiquement significative.
D’autres auteurs ont à l’évidence montré que les cursus en ligne permettent
d’enregistrer de meilleures performances que les cursus traditionnels pour les
étudiants en sciences de l’informatique (Dutton et al., 2002). Ces derniers auteurs
expliquent cette différence par le fait que la motivation pour l’usage des TIC serait plus
importante pour les étudiants en informatique. Par ailleurs, l’âge des étudiants qui
suivent les études en ligne est souvent plus élevé. Ils sont généralement mariés et
insérés dans la vie professionnelle, ce qui améliorerait leurs performances, alors que
ces caractéristiques ne se retrouvent que très rarement chez les étudiants qui
poursuivent des études sur un campus traditionnel.
71.3. L’impact des caractéristiques et des innovations pédagogiques
développées par les enseignants
Ce troisième groupe de travaux, auquel participent des auteurs comme Rivkin et al.
(2005), Rivkin et Hanushek (2006), De Paola (2008), montre l’importance des qualités
intrinsèques des enseignants (bonne expérience de l’enseignement, productivité
élevée en termes de publications, qualités intrinsèques de pédagogues) dans les
bonnes performances des étudiants. Ces analyses s’inscrivent dans la continuité de
nombreuses études, développées dans les années 1970 en sciences de l’éducation qui
avançaient déjà ce type d’argumentaire sur la base de ce qu’il est convenu d’appeler
une analyse « processus-produit » (Rosenshine, 1970 ; Bloom, 1979). Le terme de
produit représente le degré de compétence ou de performance obtenu par les étudiants
alors que celui de processus cherche à rendre compte des modalités pédagogiques que
les enseignants sont en mesure de développer. Ces études corroborent le fait, souligné
par Hanushek (2003), selon lequel, même si l’on observe une augmentation
significative des investissements en capital TIC dans les universités, on ne décèle pas
pour autant une amélioration significative des performances estudiantines.
Il apparaît d’autre part que les enseignements effectués en ligne améliorent les
performances des étudiants lorsqu’ils sont soutenus pas des processus de dialogue ou
de soutien, menés par l’intermédiaire de tutorats, de forums ou de chats (Hosking et
Van Hoff, 2005). Cela s’explique par le fait que les apprenants sont plus motivés
lorsque de tels processus de soutiens sont organisés.
De manière complémentaire on montre (Ben Youssef et Hadhri, dans ce numéro), à
partir d’une enquête relative aux pratiques des enseignants recourant aux TIC en
France, qu’il existe de grandes disparités dans les usages et les intensités d’usage de
ces technologies par ces mêmes enseignants. Ces écarts se répercutent sur les
performances des étudiants. Des études similaires ont été conduites au Canada (Becker
et al., 1999 ; Larose et al., 2002). Elles révèlent également des différences importantes
dans l’utilisation pédagogique des TIC entre divers groupes d’enseignants. Ainsi :
« L’exposition des étudiantes et des étudiants aux discours et aux pratiques d’utilisation des
TIC par des enseignantes et enseignants chevronnés et l’interaction avec ces derniers semblent
constituer un des facteurs affectant les probabilités de transfert de compétences informatiques
construites en milieu universitaire sur le plan des pratiques professionnelles des novices »
(Larose et al., 2002).
1.4. L’impact des TIC comme support des enseignements
Ce dernier groupe de travaux adopte une approche globale. Il s’agit d’évaluer s’il
existe une corrélation positive entre les performances obtenues par les universités,
après introduction des TIC dans leurs modes d’enseignements, et le degré
d’accomplissement social et professionnel des étudiants qui en sont issus.
8Ces travaux font l’hypothèse que les TIC permettent à la fois une plus grande flexibilité
des formes d’apprentissage et une plus grande complémentarité entre les formes
d’apprentissage et les disciplines enseignées. Le rythme des études, l’aménagement
du temps de travail des étudiants, l’adaptabilité et la disponibilité des enseignants dus
aux TIC permettraient aux apprenants de mieux articuler vie privée et vie
professionnelle et de mener de front un travail pour financer leurs études et la réussite
aux examens. L’utilisation des TIC, comme vecteur d’enseignement, permet une
meilleure allocation du temps que les apprenants consacrent à leurs études par rapport
à celui qu’ils consacrent à leur insertion sociale ou à l’acquisition d’un salaire pour
financer leurs études. Elles induisent une meilleure gestion du temps de travail que les
étudiants consacrent à leurs études dès lors que les enseignements sont accessibles
grâce à l’usage des TIC. De même que les TIC facilitent l’accès aux études supérieures
pour des étudiants qui n’auraient pas pu les poursuivre de manière traditionnelle en
raison de leurs activités personnelles, de leur situation géographique ou financière. Il
est en effet souvent moins coûteux de suivre des enseignements en ligne que de
s’engager dans un mode d’acquisition traditionnel des connaissances si l’on tient
compte : des frais de logement, des dépenses engagées par les déplacements et des
dépenses alimentaires nécessaires hors de celles supportées par le milieu familial. Les
travaux montrent aussi que les TIC permettent un apprentissage plus soutenu et un
contrôle des connaissances acquises plus fréquent si les universités ne se contentent
pas de faire un investissement en capital, mais mettent en place les dispositifs
nécessaires et si les enseignants s’y engagent sur le plan pédagogique.
Un autre paramètre, retenu par cette littérature, concerne la qualité des formations
proposées dès lors qu’elles recourent davantage aux TIC. Les TIC permettraient aux
étudiants d’acquérir des « e-compétences » plus faciles à valoriser sur le marché du
travail en plus de celles propres à leur diplôme (Francescato et al., 2003 ; OCDE, 2006).
De manière complémentaire, des auteurs comme Lundin et Magnusson (2003) ou
Castillo-Merino et Sjöberg (2008) montrent que l’introduction des TIC, comme modèle
d’enseignement innovant, induirait des formes plus ou moins spontanées
d’apprentissage en équipe et de partage des connaissances. Les TIC permettraient
l’apparition de modes d’apprentissage reposant sur l’émergence de communautés
épistémiques d’apprenants qui favoriseraient l’émergence de certaines formes de
capital social. Plus généralement, l’utilisation des TIC par les étudiants constitue
aujourd’hui un passage obligé dans leur formation, facilitant leur réussite et leur
insertion dans la vie active. Les travaux sont toutefois plus réservés sur l’amélioration
par les TIC de la réussite aux examens.
Les modèles dont nous venons de rappeler les principaux résultats souffrent d’une
série de difficultés méthodologiques sur lesquelles il convient de revenir brièvement.
On sait que la mesure des performances des étudiants pose de nombreuses difficultés
méthodologiques aux sciences de l’éducation. Les difficultés de mesure sont accrues
par la prise en compte des enseignements qui recourent aux TIC. Ainsi, mesurer le
9taux de réussite aux examens ou le taux d’accession à un emploi jugé suffisant permet
difficilement de faire la part des choses entre les effets qui résultent purement des
moyens pédagogiques mis en œuvre ou de l’usage directement pédagogique des TIC
et ceux qui sont induits par d’autres variables telles que le milieu socioculturel, le
niveau de richesse des étudiants et les réseaux auxquels ils appartiennent suivant leur
origine sociale.
Il est également souvent difficile, pour évaluer les performances aux examens, de
savoir sur quoi portent exactement les tests ou les épreuves auxquels les étudiants sont
confrontés. Il en est de même lorsqu’il s’agit d’évaluer si la réussite aux examens
nécessite des compétences en TIC spécifiques ou si elle reflète seulement le contenu de
tel ou tel cours. De même, les travaux prennent mal en compte le passé des étudiants
et particulièrement la manière selon laquelle ils ont été formés avant leur arrivée dans
une université donnée (Lundberg et al., 2008).
Par ailleurs, les TIC interviennent ou sont utilisées comme supports d’appoint à des
enseignements traditionnels sous forme de tutorats, de cours en ligne, de modes
interactifs de résolutions d’exercices, d’enseignements répétables proposés sous forme
de DVD ou sur des sites spécialisés pour lesquels il est difficile de proposer une
évaluation méthodologiquement irréprochable compte tenu des relations complexes
entre les variables pouvant affecter le processus d’enseignement (Castillo et al., 2009).
En d’autres termes, il est souvent difficile de séparer strictement les variables lorsqu’il
s’agit de les évaluer. Il convient également d’indiquer que de nombreux facteurs
qualitatifs sont difficiles à traduire quantitativement ou à évaluer statistiquement.
C’est notamment le cas pour le niveau de compétences didactiques des enseignants,
leur capacité à introduire des innovations pédagogiques ou le niveau de motivation
des étudiants pour les études qu’ils poursuivent. Il en est de même lorsqu’il s’agit
d’apprécier les motivations que les étudiants prétendent afficher pour les TIC
éducatives (ou leur degré d’aversion) de sorte que, globalement, les résultats qui
viennent d’être rappelés souffrent de nombreuses difficultés lorsqu’il s’agit de séparer
ou d’évaluer les variables explicatives prises en compte dans les modèles.
3. L’impact des usages induits par les TIC et les caractéristiques
socio-environnementales des étudiants sur leurs performances à
leurs examens
Dans cette seconde partie, notre objectif sera d’évaluer l’impact ou le degré de
corrélation entre l’usage des TIC éducationnelles et les caractéristiques sociales ou
environnementales des étudiants (variables explicatives) sur les performances qu’ils
obtiennent à leurs examens (variables expliquées).
L’étude proposée repose sur une analyse économétrique de données recueillies au
cours d’une enquête réalisée dans le cadre d’un appel d’offre européen en 2006-2008,
10mené par le consortium eLene-ee, auprès d’un échantillon aléatoire de 146 étudiants
poursuivant des études en licence d’économie et gestion à l’Université Paris-Sud 11.
Notre travail repose sur un modèle de régression linéaire ayant pour but d’estimer les
performances des étudiants mesurées à partir de la moyenne des notes qu’ils ont
obtenues à trois des matières principales de leur cursus d’économie. Nous avons
cherché à évaluer l’influence de trois séries de variables explicatives des performances
obtenues par les étudiants. Il s’agit :
– Premièrement de variables permettant de caractériser leur profil socio-économique.
Nous avons tenu compte de leur milieu social d’origine, de leur environnement
économique, de leur sexe, de leur âge, du temps qu’ils consacrent à leurs études, de
leur mention au baccalauréat, du fait qu’ils pratiquent ou non une activité
professionnelle, de leur présence en cours et du degré de motivation pour les études
qu’ils poursuivent.
– Deuxièmement de variables permettant d’évaluer le degré de compétence des
étudiants lorsqu’ils utilisent les TIC.
– Enfin, de variables permettant de cerner l’usage de certains outils TIC tels que les
forums de discussion, les logiciels spécialisés, les encyclopédies et le temps que les
étudiants consacrent à l’Internet à des fins pédagogiques.
3.1. Sources et statistiques descriptives de l’enquête
Les données de l’enquête ont été recueillies à partir d’un questionnaire anonyme qui
se compose de quatre parties. La première regroupe des questions relatives au cadre
de vie, au niveau d’éducation initial et au milieu social d’origine de l’étudiant. La
deuxième partie s’intéresse à la manière selon laquelle les étudiants gèrent ou
répartissent leur temps de travail et leur temps de vie. Les étudiants ont été interrogés
sur les notes qu’ils ont obtenues à trois de leurs matières principales de leur cursus
d’économie et gestion durant l’année universitaire 2006-2007.
Tableau 1. Statistiques descriptives
Variable Moyenne Écart-type
Moyenne des notes 11.26754 2.578044
Sexe : Homme 0.5121951 0.5013822
Age 20.92683 2.392629
Avoir une activité professionnelle 0.3658537 0.483144
Mention au baccalauréat 1.490683 0.7509828
Nombre d’heures alloué aux études 25.07317 11.22583
Motivation moyenne pour les études 4.276423 1.093209
Score d’usage basique des TIC 1.682399 0.8891401
Score d’usage intermédiaire des TIC 2.38703 0.8137834
11Score d’usage avancé des TIC 1.852753 0.8977787
Temps passé sur Internet 1.72561 0.6489843
Participation à des forums de discussion 2.437086 1.003834
Usage de logiciels spécifiques aux disciplines 2.631902 0.8603549
Usage d’encyclopédies en ligne 2.025478 1.103311
Accès en ligne aux travaux des étudiants de
3 0.9128709
sessions antérieures
Nous avons ainsi séparé le temps que les étudiants passent en cours et en séminaires,
du temps qu’ils consacrent au travail individuel ou en groupe, du temps consacré à la
recherche en bibliothèque, du temps consacré à la lecture d’ouvrages concernant les
matières de leur cursus, etc.
La troisième partie comporte des questions relatives aux objectifs et attentes des
étudiants relatives aux matières qu’ils étudient. Les questions constitutives de cette
partie du questionnaire visent à estimer le degré de motivation des étudiants qui peut
être apprécié à partir de l’adéquation entre leurs attentes et le contenu effectif des
matières enseignées. La dernière partie du questionnaire concerne l’évaluation des
usages de l’Internet et des TIC éducationnelles par les étudiants à des fins
pédagogiques.
Le tableau précédent récapitule, en termes de moyenne et d’écart-type, les statistiques
figurant dans notre enquête en fonction des variables qui viennent d’être présentées.
3.2. Les variables expliquées et explicatives prises en compte dans
l’étude
3.2.1. Les variables expliquées.
Elles concernent les performances obtenues par les étudiants à trois des principales
matières de leur cursus universitaire en économie gestion.
3.2.2. Les variables explicatives.
Dans la mesure où le modèle proposé a pour but d’évaluer les facteurs ayant un effet
sur les performances académiques des étudiants à leurs examens, trois types de
variables explicatives sont prises en compte. Il s’agit : des caractéristiques personnelles
ou socioéconomiques des étudiants, de leur degré d’habileté dans l’utilisation des TIC,
et de l’usage de certains outils TIC.
3.2.2.1. Les caractéristiques personnelles et les caractéristiques socio-
économiques des étudiants
– Les variables personnelles des étudiants. Ont été pris en compte : leur sexe, leur âge, leur
situation familiale, leur lieu d’habitation durant l’année universitaire et le fait qu’ils
12exercent ou non une activité professionnelle. L’âge est évalué de manière continue (les
enquêtés ont entre 17 et 30 ans). La situation familiale est décrite à l’aide d’une variable
qui permet d’évaluer si l’étudiant vit en couple ou non. L’exercice d’une activité
professionnelle, parallèlement aux études suivies, est pour sa part prise en compte à
l’aide d’une variable binaire codée 1 lorsque l’étudiant possède une telle activité et 0
si non.
– Les variables relatives à l’environnement estudiantin de l’étudiant. Il s’agit essentiellement
de la manière dont les étudiants répartissent leur temps d’étude et leur degré de
motivation pour ces mêmes études.
Trois variables permettent de rendre compte de la répartition du temps de travail de
l’étudiant. Une variable mesure le temps de travail individuel ou en groupe, une autre
mesure le temps consacré à la recherche en bibliothèque et une troisième mesure le
temps passé à la lecture d’ouvrages consacrés aux matières étudiées.
Deux variables permettent d’appréhender le degré de motivation de l’étudiant : l’une
estime le degré de motivation à partir de la durée de ses études, l’autre évalue le degré
de motivation à partir du semestre en cours (premier semestre 2006-2007) pour une
matière concernée.
Six variables spécifient le taux d’équipement des étudiants et les dotations en matériels
TIC mises à leur disposition par leurs institutions. 1) l’étudiant dispose-t-il d’un
ordinateur ? 2) a-t-il la possibilité d’accéder à un réseau à haut débit ? 3) dispose-t-il
de classes médiatisées par l’institution ? 4) l’institution offre-t-elle à l’étudiant des
enseignements techniques de soutien pour les TIC ? 5) l’étudiant se déclare-t-il habile
relativement à l’usage des TIC ? 6) l’étudiant se déclare-t-il habile relativement à
l’usage pédagogique des TIC ?
3.2.2.2. Les variables appréciatives du degré de compétence des étudiants
relativement à l’usage des TIC
Afin d’estimer le niveau de compétence en TIC des étudiants, nous avons utilisé et
construit une échelle d’évaluation allant de 0 à 5 et caractérisant leur degré d’habileté
pour les outils suivants : 1) un logiciel de traitement de texte, 2) un logiciel de
présentation, 3) un tableur, 4) un logiciel de création de page web, 5) un logiciel de
courrier électronique, 6) une navigation Internet, 7) un moteur de recherche, 8) des
chats et/ou des forums, 9) un environnement WebCT et 10) leur capacité à installer des
périphériques informatiques. Pour estimer ces variables, nous nous sommes appuyés
sur une analyse en composantes principales. Cette démarche nous a conduits à retenir
trois composantes principales expliquant 62 % de la variance totale.
– La première composante explique 35 % de la variance totale. Elle concerne les dix
variables qui viennent d’être citées. Elle reflète globalement les compétences des
étudiants quand il s’agit pour eux d’utiliser des logiciels de bureautique.
13– La deuxième composante explique 16 % de la variance. Elle concerne l’utilisation
d’outils liés à l’Internet.
– La troisième composante explique 11 % de la variance. Elle apprécie les usages plus
avancés des TIC comme les logiciels de développement web ou les environnements
WebCT et Moodle.
Les scores prédits à partir de ces trois composantes principales nous ont permis de
construire trois variables représentatives du degré d’habilité des étudiants à utiliser
les TIC. Nous avons décliné ces variables en a) usage basique des TIC, b) usage
intermédiaire des TIC et c) usage avancé des TIC.
3.2.2.3. Les degrés d’usage des TIC
Ce troisième type de variables permet d’apprécier l’usage, par les étudiants, de
certains outils et de certaines technologies dans le cadre de leurs études. Il s’agit : 1)
du temps passé par semaine par l’étudiant sur l’Internet à des fins pédagogiques, 2)
de savoir s’il accède à des forums de discussion sur l’Internet pour la recherche
d’informations relatives à ses études, 3) de savoir si l’étudiant utilise des logiciels
spécifiques aux disciplines qui lui sont enseignées, 4) de savoir s’il accède à des
encyclopédies virtuelles ou à des cédéroms concernant ses études, et 5) de savoir s’il
accède en ligne aux travaux des étudiants de sessions antérieures.
3.3. Le modèle
Pour répondre aux objectifs de notre étude, nous avons construit une procédure
d’estimation recourant à la méthode des moindres carrés ordinaires. Cette démarche
s’applique d’autant mieux que la variable expliquée – en l’occurrence la moyenne que
l’étudiant a obtenue à trois des matières principales de son cursus en sciences
économiques – présente un caractère continu. Les régressions que nous avons
calculées s’écrivent de la manière habituelle suivante :
yi = xi + i
Dans l’expression précédente :
• yi représente la moyenne que l’étudiant a obtenue à trois de ses principales
matières.
• xi représente le vecteur des variables exogènes.
• représente le vecteur des paramètres.
• i correspond à l’erreur résiduelle, cette erreur suit une distribution normale.
14Tableau 2. Les déterminants de performances académiques des étudiants
Variables dépendantes Performance des étudiants
Modèle1
Modèle 2
Caractéristiques Modèle 3
Compétences en
intrinsèques des Total
Variables explicatives TIC
étudiants
Caractéristiques de l’étudiant
Sexe féminin Réf. Réf. Réf.
Sexe masculin 0.228 (0.373) 0.107 (0.400) 0.163 (0.370)
Age -0.147 (0.107) -0.135 (0.108) -0.0767 (0.114)
Avoir un travail en
0.115 (0.338) 0.0510 (0.340) 0.119 (0.353)
parallèle aux études
Mention au baccalauréat 1.118*** (0.293) 1.048***(0.300) 1.097*** (0.323)
Heures allouées aux
0.0369** (0.0143) 0.0350** (0.0158) 0.0334** (0.0158)
études
Motivation pour les
0.553*** (0.169) 0.546*** (0.187) 0.432** (0.196)
études
Niveau d’étude Licence 3 Réf. Réf. Réf.
1.516*** (0.407)
Niveau d’étude Licence 2 -2.054*** (0.430) -2.056*** (0.437)
-1.018** (0.500)
Niveau d’étude Licence 1 -1.680*** (0.476) 1.486*** (0.531)
Compétences en TIC
Usage basique des TIC - 0.0875 (0.190) 0.0818 (0.212)
Usage intermédiaire des
- -0.171 (0.237) -0.209 (0.287)
TIC
Usage avancé des TIC - 0.429** (0.197) 0.404** (0.212)
Usage des outils TIC
Temps passé sur Internet - - -0.714** (0.353)
Forums de discussion - - -0.667*** (0.233)
Logiciels spécifiques aux
- - 0.447** (0.204)
disciplines
Encyclopédies - - 0.443** (0.175)
Accès en ligne aux
travaux des étudiants de - - 0.545** (0.223)
sessions antérieures
R-squared 0.3740 0.3950 0.4877
Prob > F 0.0000 0.0000 0.0000
Notes : Réf. : variable de référence. Les valeurs entre parenthèses représentent les écarts-types robustes.
***,** et * indiquent que les coefficients sont statistiquement significatifs aux seuils de 1%, 5% et 10%
respectivement
Afin de tester la robustesse de notre modèle, nous avons estimé trois équations
distinctes (cf. tableau 2).
15– La première équation (Modèle 1) décrit l’impact des caractéristiques socio-
économiques et des caractéristiques personnelles des étudiants sur leur degré de
performance.
– La deuxième équation (Modèle 2) décrit l’impact des compétences en TIC des
étudiants sur leur degré de performance.
– La troisième équation (Modèle 3) correspond à un modèle général prenant en compte
l’ensemble des variables explicatives permettant d’évaluer les performances des
étudiants.
3.4. Les résultats de l’étude
Parmi les facteurs explicatifs de la réussite en premier cycle universitaire, de nombreux
auteurs considèrent que la mention obtenue par les étudiants-lycéens à leur examen
de fin de cycle secondaire constitue une variable d’appréciation pertinente. Ainsi, on
constate qu’il existe généralement une corrélation positive entre la moyenne obtenue
au baccalauréat et la moyenne obtenue en premier cycle. De même, lorsque les
apprenants ont obtenu des notes moyennes en cycle secondaire, ils obtiennent en
général des notes moyennes lors de leurs études supérieures. Les résultats de notre
estimation confirment ces effets de manière significative.
Le diagramme suivant montre en effet qu’il existe une corrélation positive entre les
mentions obtenues au baccalauréat par les étudiants et la moyenne de leurs notes en
premier cycle de sciences économiques.
Figure 1 : Corrélation entre les notes obtenues au baccalauréat et la moyenne des notes des
étudiants en premier cycle de sciences économiques
Par ailleurs, notre étude indique également que le degré de motivation des étudiants
joue un rôle primordial sur leur réussite à l’université.
La figure 2 permet en effet de constater qu’il existe une corrélation positive nette entre
le degré de motivation, mesuré par un score allant de 1 à 6, et la moyenne obtenue en
licence par les étudiants ayant répondu au questionnaire.
16Figure 2 : Corrélation entre le degré de motivations des étudiants pour leur études et la
moyenne des notes obtenue à leurs examens
On relève également que le temps consacré à la recherche sur l’Internet est globalement
limité pour les étudiants interrogés (cf. Figure 3). En effet, plus de 30 % d’entre eux
consacrent moins d’une heure par semaine à la recherche de ressources pédagogiques
sur l’Internet. Cette proportion atteint plus de 55 % lorsque l’on se réfère à des temps
de connexion compris entre 1 heure et 5 heures par semaine. Ce temps peut paraître
faible eu égard aux ressources disponibles sur l’Internet et aux applications
complémentaires des cours que l’on peut trouver sur ce média. Il convient ici de
modérer cette interprétation dans la mesure où les temps de connexion mesurés
peuvent être interprétés comme proportionnels aux aptitudes des étudiants à utiliser
l’Internet. En ce sens, on doit certainement considérer que les pratiques quotidiennes
de l’Internet par les étudiants, pour d’autres raisons que leurs études, les ont conduits
à raccourcir le temps de connexion qu’ils consacrent à leurs études parce qu’ils ont
acquis des routines efficaces en ce domaine.
Figure 3 : Répartition du temps passé sur l’Internet par semaine à des fins pédagogiques par
les étudiants
17Vous pouvez aussi lire
